에임즈(Ames) 시에 새로운 보험상품을 출시하려 합니다.
그런데 이 지역은 화재 위험도가 어떤지,
보험금은 얼마로 책정해야 수익이 날 수 있을지,
아무도 정확히 모릅니다.
최근 기후 변화와 노후화된 주택 문제로,
미국 내 화재 사고가 증가하고 있습니다.
캘리포니아 산불 사례처럼, 보험사는 막대한 손실을 입을 수 있습니다.
그렇다면, 우리는 사전 예측과 리스크 분석을 통해
보다 정밀한 보험료 책정이 가능할까요?
1️⃣ 화재 위험 시각화
2️⃣ 화재 대응 자원 분석
3️⃣ 피해액 예측 모델링
4️⃣ 보험금 산정 공식 설계
5️⃣ 추천 리스트 & 정책 제안
| 위험도1 | 위험도2 | 위험도3 | 위험도4 | 위험도5 | |
|---|---|---|---|---|---|
| 지붕 자재 (30%) | Metal | CompShg, Tar&Grv | Roll, Membran | WdShngl | WdShake |
| 외벽 재질(30%) | MetalSd, CemntBd, BrkFace… | ImStucc,Stucco | VinylSd, | HdBoard, AsphShn | Wd Sdng, WdShing, Plywood |
| 외벽 장식 재질(10%) | MetalSd,CemntBd,BrkFace… | Stucco, ImStucc | VinylSd | HdBoard, AsphShn | Wd Sdng, WdShing, Plywood |
| 외벽 마감재(10%) | BrkFace,Stone,BrkCmn | ||||
| 목재 바닥 넓이(20%) | 0 | 1~100 | 101~250 | 251~400 | 400 |
📎 자세한 기준은 NFPA 공식 가이드에서 확인할 수 있습니다.
🔗 NFPA - Preparing Homes for Wildfire
수식 보여주고 어떤 근거로 작성했는지 했을때 효과가 무엇인지 어떻게 보여줄건지
화재 위험 등급이 높을수록 주택 가격이 낮은가? 위험도와 가격 간의 관계를 통계적으로 검정하고, 그 결과를 시각화와 함께 해석합니다.
sum_sq df F PR(>F)
C(Risk_Level) 1.140682e+07 3.0 50.181071 1.629110e-31
Residual 1.949590e+08 2573.0 NaN NaN
검정통계량: 0.935, 유의확률: 0.000
((array([-3.46114822, -3.21474664, -3.07833849, ..., 3.07833849,
3.21474664, 3.46114822]),
array([-659.67449005, -651.64075552, -618.53948493, ..., 1123.79335387,
1193.14288989, 1338.15561082])),
(np.float64(266.25811643575116),
np.float64(1.1203177296477131e-13),
np.float64(0.9668625865713261)))
검정통계량: 68.78141877647354, p-value: 7.78327128923569e-15
{'검정통계량 (H)': np.float64(178.90374691631433),
'p-value': np.float64(1.5212557739215267e-38),
'결론': '✔️ 그룹 간 차이가 유의함 (p < 0.05)'}
| 1.0 | 2.0 | 3.0 | 4.0 | |
|---|---|---|---|---|
| 1.0 | 1.000000e+00 | 9.105248e-17 | 1.000000e+00 | 1.941157e-01 |
| 2.0 | 9.105248e-17 | 1.000000e+00 | 3.678633e-31 | 4.735048e-08 |
| 3.0 | 1.000000e+00 | 3.678633e-31 | 1.000000e+00 | 2.790989e-01 |
| 4.0 | 1.941157e-01 | 4.735048e-08 | 2.790989e-01 | 1.000000e+00 |
평균 가격:
위험도 1 < 2 < 3 < … < 5
→ 위험도가 높을수록 평균 가격은 낮은 경향
하지만,
위험도가 낮다고 가장 비싼 집은 아님
가격은 취향 차이, 재료, 위치 등의
다양한 요인의 영향을 받음
거래가 없는 주택에도 적용 가능한 예측 모델을 통해 보험료를 산정합니다.
# 회귀 모델 학습 및 평가 코드# Scattermapbox 지도 시각화 코드예상 보험료 = 예측 피해액 × 화재 위험 가중치 × 자재 손상률 × 노후도 계수
에임즈 전체 보험료 총합과 보장 총액을 바탕으로 손익분기점을 분석합니다.
각 구역(또는 주택)을 위험도와 수익성 축으로 표현한 4분면 분석입니다.
수익이 낮고 위험이 높은 지역은 보험 인수 대상에서 제외하는 전략이 필요합니다.
# x축: 보장 비율 (%)
# y축: 수익 또는 손실 (USD)